CN106792971A - 基于蚁群算法的网络节点选择方法 - Google Patents

Abstract

本发明公开了一种基于蚁群算法的网络节点选择方法，本发明先利用蚁群算法建立网络路由选择方法，考虑网络节点负载、路径时延等因素，利用该方法动态地对网络的路由进行优化选取，有效地提升了网络传输效率。

Description

基于蚁群算法的网络节点选择方法

技术领域

本发明涉及一种基于蚁群算法的网络节点选择方法，属于信息通信领域。

背景技术

adhoc网络作为一种特殊的自组织、自适应、自愈合的网络，是独立于设定的网络设施且采用分布式协议算法交互连接或组织成的网络系统，Ad hoc网络中移动节点可依据需要动态性地对节点进行组织，形成任意暂时性的网络拓扑。因adhoc网络节点的传输区域具有一定的限制性，因此从源节点至目的节点的传输过程中需要依靠其它节点的帮助，网络节点选择方法就成为Ad hoc网络中最为重要的部分，也是对Ad hoc网络实现深度研究的难点。

以往无线adhoc网络节点选择方法有：

一种基于CGSR的adhoc网络分簇网络节点选择方法改进；该方法通过对以往的分簇网络节点选择方法进行改进，利用改进的最小簇变换分簇算法，在分簇进程中抉择成多个节点构成簇头组，利用簇头内部组成成员交互工作实现簇头的任务。

基于链路质量的Ad hoc网络遗传-蚁群路由算法；该方法将链路质量视为路由抉择的度量，采用遗传算法获取路径原始分布，同改进的蚁群算法相结合促使蚂蚁在决策过程中选择合适的跳转节点。

基于DNA算法的Ad hoc网络节点选择方法优化算法研究；该方法利用DNA编码形式对节点的各个路径进行编码，采用合成技术实现NP完全路径。

以上常规算法因无法适应adhoc网络的拓扑动态性变化，从而导致数据流的传输质量无法保证。

发明内容

为了解决上述技术问题，本发明提供了一种基于蚁群算法的网络节点选择方法。

为了达到上述目的，本发明所采用的技术方案是：

基于蚁群算法的网络节点选择方法，包括以下步骤，

步骤1，源节点S有数据发送请求；

在路由表中查看是否有到达目的节点D的路径，如果有，则直接使用该路径，如果没有，则开始节点选择，释放前向蚂蚁；

步骤2，从源节点S开始，前向蚂蚁依据路由表随机选择它的下一个节点；

步骤3，将节点的信息和路径信息加入前向蚂蚁信息中；

步骤4，前向蚂蚁根据状态转换概率选择它的下一个节点；

步骤5，判断节点是否为目的节点D，如果不是，则转至步骤3，如果是，则转至步骤6；

步骤6，前向蚂蚁消失，释放后向蚂蚁；

后向蚂蚁自带前向蚂蚁信息；

步骤7，后向蚂蚁依据前向蚂蚁信息原路返回，并在返回过程中更新路径相关的信息素值，当后向蚂蚁到达源节点S后消失。

状态转换概率公式为，

其中，为t时刻前向蚂蚁k在节点i至节点j过程中状态转换概率，allowed_k为t时刻前向蚂蚁k接下来可选择的节点，α、β分别为信息启发式因子和期望启发式因子，τ_i,j(t)为t时刻节点i至节点j路径上的信息素值，η_i,j(t)为t时刻节点i至节点j路径启发信息，τ_i,s(t)为t时刻节点i至节点s路径上的信息素值，η_i,s(t)为t时刻节点i至节点s路径启发信息。

前向蚂蚁信息包括寻觅进程中的所有节点信息和路径信息。

后向蚂蚁依据前向蚂蚁寻觅进程中的路径信息原路返回。

返回过程中，更新路径相关信息素值的同时更新路由表。

返回过程中，如果出现断路，依据断路信息删除相对应的路由表，通过翻阅可执行的路由表序列，看是否有抵达同一目的地的其他路径，如果没有则从新探索一条新路径。

本发明所达到的有益效果：1、本发明先利用蚁群算法建立网络路由选择方法，考虑网络节点负载、路径时延等因素，利用该方法动态地对网络的路由进行优化选取，有效地提升了网络传输效率；2、前向蚂蚁在实际寻觅过程中路过的各个节点都会将自己此时域内的ID信息带入蚂蚁信息中，每个蚂蚁均有对应过程的记录并且寻觅的只是未路过的节点，因此，本发明的方法能防止了死循环。

附图说明

图1为本发明的流程图。

图2为平均端至端延时与节点数目的关系图。

图3为路由开销与节点数目的关系图。

图4为分组投递率与节点数目的关系图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，基于蚁群算法的网络节点选择方法，包括以下步骤：

步骤1，源节点S有数据发送请求。

在路由表中查看是否有到达目的节点D的路径，如果有，则直接使用该路径，如果没有，则开始节点选择，释放前向蚂蚁。

步骤2，从源节点S开始，前向蚂蚁依据路由表随机选择它的下一个节点。

步骤3，将节点的信息和路径信息加入前向蚂蚁信息中。

步骤4，前向蚂蚁根据状态转换概率选择它的下一个节点。

状态转换概率公式为，

其中，为t时刻前向蚂蚁k在节点i至节点j过程中状态转换概率，allowed_k为t时刻前向蚂蚁k接下来可选择的节点，α、β分别为信息启发式因子和期望启发式因子，τ_i,j(t)为t时刻节点i至节点j路径上的信息素值，η_i,j(t)为t时刻节点i至节点j路径启发信息，τ_i,s(t)为t时刻节点i至节点s路径上的信息素值，η_i,s(t)为t时刻节点i至节点s路径启发信息。

步骤5，判断节点是否为目的节点D，如果不是，则转至步骤3，如果是，则转至步骤6。

步骤6，前向蚂蚁消失，释放后向蚂蚁。

后向蚂蚁自带前向蚂蚁信息；前向蚂蚁信息包括寻觅进程中的所有节点信息和路径信息。

步骤7，后向蚂蚁依据前向蚂蚁寻觅进程中的路径信息原路返回，并在返回过程中更新路径相关的信息素值，当后向蚂蚁到达源节点S后消失。

返回过程中，更新路径相关信息素值的同时更新路由表；如果出现断路，依据断路信息删除相对应的路由表，通过翻阅可执行的路由表序列，看是否有抵达同一目的地的其他路径，如果没有则从新探索一条新路径。

为了进一步说明上述方法，利用OPNET对上述方法性能进行仿真分析，同时与AODV网络节点选择方法的性能进行比较。

仿真选用不同节点数目下，不断增加节点数目来改变网络负载，两种网络节点选择方法对分组投递率、平均端至端延时、路由开销影响如图2～4所示。

如图2所示，两种算法对应的分组投递率均快速下降，主要原因是网络的负载过大，绝大部分的分组数据已丢失，而本文提出的方法维护着众多源节点至目的节点的信息素路径，并且有效的避开了网络拥塞路径，有效的减少了数据丢包率，从而保障了网路分组传输率。

如图3所示，负载较少阶段，两种算法对应平均端至端延时的之间的差距对比并不大，随着节点数目的不断增加，AODV网络节点选择方法的平均端至端延时远大于本文提出的方法，因本文方法具备负载强弱感知的能力，抉择路径过程中偏向于负载较低，网络通畅的路径，从而保障了平均端至延时端的效率。

如图4所示，体现随着节点数目的不断增加两种协议对应的分组投递率均有所增加，主要因为网络负载随之不断增加，致使大量数据包的丢失造成了网络路由失效，随着节点数目的增加，两种算法差距明显增大，因本文提出的方法维护多条备用的寻觅路径，由此减少重新探索新路由的次数，降低路由重建的开销。本文方法的adhoc网络路由开销优于基于AODV的adhoc网络路由开销。

上述实验结果表明，该方法整体优越性远高于AODV的网络节点选择方法。

上述方法先利用蚁群算法建立网络路由选择方法，考虑网络节点负载、路径时延等因素，利用该方法动态地对网络的路由进行优化选取，有效地提升了网络传输效率；同时上述方法能防止了死循环。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.基于蚁群算法的网络节点选择方法，其特征在于：包括以下步骤，

步骤1，源节点S有数据发送请求；

在路由表中查看是否有到达目的节点D的路径，如果有，则直接使用该路径，如果没有，则开始节点选择，释放前向蚂蚁；

步骤2，从源节点S开始，前向蚂蚁依据路由表随机选择它的下一个节点；

步骤3，将节点的信息和路径信息加入前向蚂蚁信息中；

步骤4，前向蚂蚁根据状态转换概率选择它的下一个节点；

步骤5，判断节点是否为目的节点D，如果不是，则转至步骤3，如果是，则转至步骤6；

步骤6，前向蚂蚁消失，释放后向蚂蚁；

后向蚂蚁自带前向蚂蚁信息；

步骤7，后向蚂蚁依据前向蚂蚁信息原路返回，并在返回过程中更新路径相关的信息素值，当后向蚂蚁到达源节点S后消失。

2.根据权利要求1所述的基于蚁群算法的网络节点选择方法，其特征在于：状态转换概率公式为，

$p_{i,j}^k\left(t\right)=\left\{\begin{array}{cc}\frac{{\[{\mathrm{\τ}}_{i,j}\left(t\right)\]}^{\mathrm{\α}}\·{\[{\mathrm{\η}}_{i,j}\left(t\right)\]}^{\mathrm{\β}}}{\underset{s\⋐{\mathrm{allowed}}_k}{\Σ}{\[{\mathrm{\τ}}_{i,s}\left(t\right)\]}^{\mathrm{\α}}\·{\[{\mathrm{\η}}_{i,s}\left(t\right)\]}^{\mathrm{\β}}}& j\∈{\mathrm{allowed}}_k\\ 0& \end{array}\right.$

其中，为t时刻前向蚂蚁k在节点i至节点j过程中状态转换概率，allowed_k为t时刻前向蚂蚁k接下来可选择的节点，α、β分别为信息启发式因子和期望启发式因子，τ_i,j(t)为t时刻节点i至节点j路径上的信息素值，η_i,j(t)为t时刻节点i至节点j路径启发信息，τ_i,s(t)为t时刻节点i至节点s路径上的信息素值，η_i,s(t)为t时刻节点i至节点s路径启发信息。

3.根据权利要求1所述的基于蚁群算法的网络节点选择方法，其特征在于：前向蚂蚁信息包括寻觅进程中的所有节点信息和路径信息。

4.根据权利要求3所述的基于蚁群算法的网络节点选择方法，其特征在于：后向蚂蚁依据前向蚂蚁寻觅进程中的路径信息原路返回。

5.根据权利要求1所述的基于蚁群算法的网络节点选择方法，其特征在于：返回过程中，更新路径相关信息素值的同时更新路由表。

6.根据权利要求1所述的基于蚁群算法的网络节点选择方法，其特征在于：返回过程中，如果出现断路，依据断路信息删除相对应的路由表，通过翻阅可执行的路由表序列，看是否有抵达同一目的地的其他路径，如果没有则从新探索一条新路径。